北京大学

世界模型进入4D时代！单视角视频构建的自由视角4D世界来了

作者

极佳科技团队通过ReconDreamer实现自动驾驶场景的自由视角重建与生成。该模型仅需单视角输入视频，即可通过世界模型训练减少伪影并进行渐进式修复，显著提升大范围相机运动下的渲染质量，媲美专业三维重建技术。

重磅！北大联合字节VAR模型获NeurIPS 2024最佳论文：改写图像生成的未来范式

作者

北大与字节跳动团队的论文《Visual AutoRegressive Modeling: Scalable Image Generation via Next-Scale Prediction》获得NeurIPS 2024最佳论文奖。该模型提出了多尺度预测的新范式，显著提升了图像生成的效率和质量，并在视觉生成领域验证了‘规模化定律’。

DeepSeek等团队新作JanusFlow: 1.3B大模型统一视觉理解和生成

作者

Janus团队提出了一种名为JanusFlow的新模型，该模型结合了预训练视觉编码器与MLM的方法以及基于Rectified Flow的生成框架，实现了统一的视觉理解和生成能力。通过将理解与生成任务分别配置专用编码器，并利用REPA方法加速生成训练，JanusFlow在多模态理解和生成任务上表现出色。